工場での研修中、ベテランのオペレーターが新入社員にこう言いました。「機械から振動音が聞こえるはずだよ。」
「何も聞こえません」と研修生は答えました。
「いや、体で感じるはずだよ」とベテランは説明しました。「これは、ここで30年間働いて培った直感なんだ。」
DeepHowのCEOであるシヴァ・ラクシュマナン氏が共有したこのやり取りは、世界中の製造現場で起きている状況を如実に表しています。一方で、経験豊富な労働者が定年退職するにつれ、何十年にもわたる業務上のノウハウが失われつつあります。他方で、膨大な生産データが相互に連携していないシステムの中に閉じ込められたままとなり、最も重要な意思決定に活用することができません。
「Operations Calling 」では、DeepHow、Hexagon、NVIDIAの各社の業界リーダーが一堂に会し、AIがスマートファクトリーをどのように変革しているかについて議論しました。議論の焦点は、ある重大な課題に当てられました。それは、多くの製造業者がデータインフラかナレッジキャプチャのいずれかに重点を置く一方で、その両方を同時に取り組むことはほとんどないという点です。本記事では、なぜこれらの基盤を同時に構築して初めてAIが機能するのか、そしてその取り組みをどのように始めればよいのかについて探っていきます。
『ファウンデーション・ワン：知識の危機』
なぜ実務知識が失われつつあるのか
製造業におけるスキル不足は、単に人材が不足しているという問題にとどまらず、経験豊富な労働者が離職することで生じる「頭脳流出」の問題でもあります。業界の予測によると、2030年までに最大3,000万件の製造業の求人が埋まらない可能性があると言われていますが、より深刻な危機は、暗黙知の喪失にあります。つまり、文書化されることなく、言葉では表現することさえ困難な、何十年にもわたる実務上の直感やノウハウが失われてしまうのです。
自然移管の崩壊
何十年もの間、専門知識は長期にわたる徒弟制度を通じて受け継がれてきました。そのモデルは、次の2つの要因によって崩壊しました：
勤続年数：製造部門の平均勤続年数は5年未満にまで低下しており、ベテラン社員が後任者を十分に育成する前に退職してしまうことを意味しています。
複雑さ：現代の業務では、許容誤差が厳しくなり、機器も高度化しているため、「SOPに従う」ことと、実際に「正しく行う」こととの間の隔たりが広がっています。
「ノウハウ」のギャップを定義する
「この知識は本質的に暗黙的なものです……簡単に文書化できるものでも、ましてや簡単に説明できるものでもありません。」――DeepHow CEO、シヴァ・ラクシュマナン氏
知識はマニュアルに書かれているものではありません。それは、生産の流れを維持するために必要な実務上の直感なのです：
感覚的な兆候：センサーが作動する前に、トラブルを予兆する振動を察知すること。
機械の扱い方：気難しい機械をスムーズに稼働させ続けるための、特定のセットアップ手順を習得すること。
Tribalのヒント：どのエラーコードが重要なのか、またどの回避策が繰り返し発生する問題を解決するのかを知る。
例えば、これは子供に自転車の乗り方を教えることに例えることができます。物理的な原理を説明することはできますが、子供がそれを理解するには、実際に目で見たり、肌で感じたりする必要があるのです。
「知識とは、頭の中に収まっている状態のことです」と彼は説明しました。「ノウハウとは、それを他者に伝えることですが、それは決して簡単なことではありません。」 ― DeepHow CEO、シヴァ・ラクシュマナン
この「ノウハウ」を体系的に記録する手段がなければ、30年かけて築き上げた専門知識は、たった1回の退職面談の間に事実上失われてしまいます。
第2の基礎：製造業においてデータだけでは不十分な理由
製造現場では、PLC信号や時系列データから、映像データやセンサーの計測値に至るまで、驚くほど多様なデータが生み出されています。しかし、いくつかの根本的な課題があるため、こうした膨大なデータはしばしば活用されずに終わってしまいます：
「サイロ化」の問題：データが特定の部署内に閉じ込められがちであり、その結果、統一された戦略ではなく、その場限りの協力関係しか生まれないのです。
「価値のギャップ」：データを持っていることと、それを活用することは別物です。データが他の分野に役立つ知見へと変換されて初めて、真の価値が生まれるのです。
文脈の危機：汎用AIには、現地の工場プロセスや機械に関する具体的な「ノウハウ」が欠けています。
「ゴミを入れれば、ゴミが出る」：高速GPUやデータセンターも、高品質で関連性の高いデータが供給されなければ、何の役にも立ちません。
「当社のソフトウェアを通じてであれ、現場に設置したデバイスを通じてであれ、私たちは膨大な量のデータを収集しています……データを持つことと、そのデータを活用できることは別問題です。」 — ヘキサゴン、製造ソフトウェア・ポートフォリオ担当プロダクトマネジメント責任者、ヒレン・クンボジカル
解決策：目標は、単なるデータ収集にとどまらず、情報が構造化され、アクセス可能であり、かつ文脈的に十分な意味を持ち、リアルタイムの意思決定を推進できるようなデータ戦略へと移行することです
製造業者は実際にどのようにデータと知識を結びつけているのでしょうか
最も大きな進歩を遂げているメーカーは、一挙にすべてを変革しようとはせず、現場の知見と運用データを、実用的かつ拡張性のある方法で結びつける、的を絞った手法を採用しています。
具体的には、次のような感じです：
パターン1：人々が仕事をしている最中に、その知識を把握する
戦略：
セットアップ、段取り替え、トラブルシューティング、点検など、実際の作業をその都度記録します
AIを活用して、非構造化コンテンツ（動画、音声、ジェスチャー）を構造化された指示に変換します
暗黙知を、検索可能で再現性のあるデジタルガイドに変換する
チェック機能、翻訳機能、およびインラインサポートを組み込むことで、新入社員がすぐに活用できるようにします
その結果：
専門家を現場から引き離すことなく、知識を可視化し、活用できるようになります
単発の研修ではなく、チームはいつでも利用できる継続的な指導を受けられます
専門知識は、シフト、役割、勤務地を問わず活用でき、ドキュメントに関するボトルネックが生じません
パターン2：データストリームをリアルタイムの意思決定支援に変える
戦略：
機械の設定、カメラの映像、品質ログなどのマルチモーダルデータをすべて1つのインテリジェンス層に統合します
自社の過去のデータ（プログラム、検査、結果）を用いてAIを学習させ、パターンを認識させます
意思決定のその場でリアルタイムの指針を提供する：「問題点はこれです」だけでなく、「解決策はこれです」と伝える
これらの知見を活用して、オペレーターを支援し、オペレーターに取って代わるのではなく、人間が関与するワークフローを支えるようにしてください
「インサイトはリアルタイムでなければなりませんよね？ レポートが出るまで2日も待つなんて……それは具体的なビジネス価値とは言えません。」 — NVIDIA、製造・産業部門グローバル・デベロッパー・リレーションズ・マネージャー、アルビン・クラーク氏
その結果：
オペレーターは、数時間後ではなく、その場ですぐに、状況に応じた適切なサポートを得ることができます
エンジニアは、根本原因への到達を早め、継続的な改善のためのより強固な基盤を得ることができます
システムは、単にパフォーマンスを報告するだけでなく、その向上を支援するようになります
共通点
これらのアプローチは出発点が異なるかもしれませんが、効果を発揮する理由は同じです：
彼らは一般的なモデルではなく、現地の状況を考慮しています
彼らは知識を可視化し、データを活用可能にします
彼らは、業務が行われる現場にインテリジェンスを組み込んでいます
そして、彼らは人々を情報から締め出さず、常に状況を共有しています
メーカー各社は、すでに持っている基盤を結びつけることで、AIを現実のものにしているのです。
はじめに：実践的な道筋
始めるのに、完璧なデータや知識の完全な把握は必要ありません。実際に繰り返し発生している問題から着手し、その両方の基盤を並行して構築していきましょう。多くの製造業者は、次のようなシンプルな道筋をたどっています：
データのアクセス可能性や文書化されていないノウハウにおける課題を把握してください
切り替え作業、トラブルシューティング、またはトレーニングなど、効果の高いユースケースを選んでください
知識を収集し、データをつなぎ合わせ、一貫したワークフローの一環として統合します
各チームに明確な責任と、迅速に動けるための指針を与えてください。人々が、自分が使うシステムに自身の専門知識が反映されていると感じれば、自然とシステムが受け入れられ、改善も進んでいきます。
Tulip 両方の基盤構築にどのようにTulip
Tulip 、現場業務の実情に合わせて設計された単一のプラットフォーム上で、データと知見をTulip 。
Tulip Composerを使えば、チームはコーディングを一切行わずに、静的な標準作業手順書（SOP）や暗黙の知識を、わずか数分でインタラクティブなデジタル作業指示書に変換することができます。ドキュメントをアップロードするだけで、システムが動作するアプリを生成するために必要な手順、画像、ロジックを自動的に抽出します。これは、専門家のワークフローをすべてのオペレーターが利用できるようにするための、迅速かつ再現性の高い方法です。
これに、Tulip組み込まれたAIアシスタント「AI Agent」を組み合わせることで、オペレーターは業務の流れの中で、必要な時にすぐに回答を得ることができます。トルク仕様の確認、機械のトラブルシューティング、過去のパフォーマンスの確認など、どのような場面であっても、Copilotは実際のSOP、マニュアル、生産データから適切な情報を即座に抽出し、表示します。
これらのツールが連携することで、一連の循環が生まれます。つまり、知識が収集され、アプリケーションへと変換され、リアルタイムデータによって強化され、必要な場所で利用できるようになるのです。また、Tulip より広範な製造エコシステムTulip 、その知見は単一のプラットフォームの枠を超えて広がります。DeepHow、Hexagon、NVIDIAといった革新的な企業とのパートナーシップを通じて、製造業者は専門知識の収集、高度なシミュレーションやデジタルツイン機能、そして高速化されたAIインフラを、同じ業務ワークフローに統合することが可能になります。
Tulip 、AIが人とプロセスの両方をサポートし、オープンなエコシステムによってそのインテリジェンスをあらゆる業務に拡大できる、より連携の取れたインテリジェントな工場のTulip 。
Tulipで現場のデジタル変革を実現
アプリのシステムがどのように俊敏で接続されたオペレーションを可能にするかをご紹介します。